Magdalena Cortés*, Paul Fazio**, Jiwu Rao**, Waldo Bustamante3***, Sergio Vera 1 ***

CFD modeling of basic convection cases in enclosed environments: Needs of CFD beginners to acquire skills and confidence on CFD modeling Modelación CFD de casos básicos de convección en ambientes cerrados: Necesidades de principiantes en CFD para adquirir habilidades y confianza en la modelación CFD Magdalena Cortés*, Paul Fazio**, Jiwu Rao**, Waldo Bustamante3***, Sergio Vera 1 *** * Pontificia Universidad Católica de Chile, Santiago. CHILE ** Concordia University, Montreal, Quebec. CND *** Center for Sustainable Urban Development (CEDEUS). Pontificia Universidad Católica de Chile, Santiago. CHILE Fecha de Recepción: 22/01/2014 Fecha de ceptación: 04/03/2014 PG 22-45 bstract Prediction of airflow pattern velocities, temperature, moisture and pollutants concentration is required to design healthy and comfortable indoor environments. Computational Fluid Dynamics (CFD) is the most advanced technique to model and predict the airflow in enclosed environments. However, the main errors in CFD models and their results are linked to the human factor. Beginners on CFD modeling do not account with skills, experience and engineering judgment to generate robust and reliable CFD models. This process is not intuitive and new CFD users need guidance. This paper aims to provide more complete information on CFD modeling of basic natural, forced and mixed convection cases that would allow CFD beginners to acquire skills and confidence. CFD modeling includes mesh generation, setting convergence criteria and under-relaxation factors, and evaluating different turbulence models for each convection case. Results show that users expertise is needed in each step of CFD modeling, even for these basic convection cases. Keywords: CFD, enclosed environments, new CFD users, turbulence models, CFD validation Resumen La predicción de patrones de flujo de aire, velocidad, temperatura, humedad y concentración de contaminantes son requeridos para el diseño de ambientes interiores saludables y confortables. La Dinámica de Fluidos Computacional (CFD) es la técnica más avanzada para modelar y predecir los flujos de aire en ambientes cerrados. Sin embargo, los principales errores en los modelos CFD y en sus resultados están relacionados con el factor humano. Los principiantes en modelación CFD no cuentan con las habilidades, experiencia y juicio ingenieril para generar modelos robustos y confiables. Este proceso no es intuitivo y los nuevos usuarios necesitan orientación. Este artículo busca proveer información más completa sobre la modelación CFD de casos básicos de convección natural, forzados y mixtos que permitirán a los nuevos usuarios adquirir las habilidades y confianza. La modelación CFD incluye la generación de malla, definición de criterios de convergencia y factores de relajación, y la evaluación de modelos de turbulencia para cada caso. Los resultados muestran que es necesaria la experiencia de los usuarios en cada paso de la modelación CFD, incluso para casos simples de convección. Palabras claves: CFD, ambientes cerrados, nuevos usuarios CFD, modelos de turbulencia, validación CFD 1. Introducción La distribución de aire en los ambientes interiores de edificios tiene impactos significativos sobre la calidad del aire interior, confort térmico y eficiencia energética. Parámetros importantes del aire intramuros son la temperatura y la humedad relativa; la concentración de contaminantes como el dióxido de carbono (CO 2 ) y los compuestos orgánicos volátiles (VOC); las temperaturas de las superficies interiores; y la distribución de la velocidad del aire y la intensidad de la turbulencia (Zhai et al., 2007). El flujo de aire en ambientes cerrados puede ser natural, forzado o mixto e impulsado por fuerzas diferentes tales como infiltración inducida por viento, flotabilidad térmica y ventilación mecánica. 1 utor de correspondencia / Corresponding author: Profesor Departamento de Ingeniería y Gestión de la Construcción. Ingeniería UC E-mail: svera@ing.puc.cl Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 22

La técnica de la dinámica de fluidos computacional (CFD, en inglés) ha tenido un rápido avance después de su primera aplicación para simular las corrientes de aire interiores realizada por Nielsen (1974). Similar a las herramientas de simulación energética para las edificaciones, hoy en día, la modelación CFD se aplica amplia e intensamente en las etapas de diseño de los edificios. Es una herramienta adecuada para modelar las condiciones del aire intramuros tanto para la investigación como para el diseño ya que puede ahorrar tiempo y esfuerzos (Hajdukiewicz et al., 2013). Sin embargo, ésta conlleva el riesgo de obtener resultados erróneos debido a la falta de habilidades de lo usuarios en modelación CFD y experticia para tratar problemas ingenieriles específicos del aire interior. Por lo tanto, los códigos de modelación CFD y las habilidades del usuario deben ser verificados y validados para obtener simulación exitosas y resultados confiables (I, 1998). La modelación CFD exige contar con experticia en: Decidir cómo modelar un problema ingenieril específico. Por ejemplo, la física de un problema podría ser representada como 2D o 3D, y en estado transiente o estacionario. Definir la geometría que representa el problema ingenieril del ambiente interior. Generar una malla adecuada, lo que incluya decisiones sobre las dimensiones y topología del mallado así como también verificar que los resultados son independientes de la malla utilizada. Establecer las propiedades de los fluidos. Establecer las condiciones de borde tales como las condiciones de borde de los muros (temperatura de la superficie, flujo de calor), entradas y retornos de aire, fuentes y sumideros de calor y de humedad, etc. Definir algoritmos de solución, tales como métodos de solución basados en la presión o densidad. Escoger un modelo de turbulencia adecuado que entregue resultados confiables para el flujo de aire característico del problema. Establecer parámetros numéricos como esquemas de diferenciación, factores de relajación, paso de tiempo en caso de problemas en estado transiente, número de iteraciones, criterios de convergencia, etc. Muchos códigos de modelación CFD ya han sido verificados, por lo que gran parte de los errores en la simulación de ambientes cerrados usando CFD recaen en el factor humano. Estos errores están asociados a la actitud del usuario y a su experiencia (Casey & Wintergeste, 2000). menudo, los usuarios sin experiencia pueden no darse cuenta de que los resultados son erróneos, esto debido al acceso fácil a softwares comerciales con interfaces amigables para el usuario y coloridos resultados que aumentan el riesgo de una falsa confianza. Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 23

La guía Best Practice Guidelines for Quality and Trust in Industrial CFD (Casey & Wintergeste, 2000) señala la necesidad de un entrenamiento para los usuarios de CFD y entrega las pautas para hacerlo. demás, las pautas de la I (1998), ERCOFTC (Casey & Wintergeste, 2000), SHRE (Chen & Srebric, 2001), y Oberkampf y Trucano (2002) muestran los procedimientos para validar los modelos CFD basados en la comparación de los resultados de simulaciones CFD para diversos modelos de turbulencia con datos experimentales. mbos procedimientos, podrían ayudar a los nuevos usuarios de CFD a adquirir la experiencia y confianza necesarias para la modelación de ambientes cerrados. Sin embargo, la desventaja de estos procedimientos es que el foco principal está puesto en la evaluación de diferentes modelos de turbulencia para ambientes cerrados, pero no entregan información detallada sobre los parámetros usados en esos modelos CFD, ni los juicios ingenieriles aplicados para definir los parámetros de modelación ni cómo generar un modelo representativo de la realidad. Esta información es útil para que el nuevo usuario de CFD pueda adquirir las habilidades y confianza en este tipo de modelación. En consecuencia, este artículo busca entregar una información más completa sobre la modelación CFD de casos básicos de convección natural, forzada y mixta. Se presenta la validación CFD de cinco modelos de turbulencias k-ɛ y k-ω para mostrar el criterio y los juicios ingenieriles usados para modelar los casos de mpofo y Karayiannis (2003) para convección natural (NC, en inglés), Restivo (1979) para convección forzada (FC, en inglés) y Blay et al. (1992) para convección mixta (MC, en inglés). El proceso de validación CFD y datos presentados en este trabajo podrían ser usados como ejercicios para que los nuevos usuarios CFD adquieran las habilidades y la experiencia necesarias de modelación CDF. 2. Evaluación de los modelos de turbulencias y estudios experimentales Esta investigación propone que el proceso de validación CFD sea de acuerdo con las guías CFD (I, SHRE, etc.) y complementado con información sobre los parámetros usados y los juicios ingenieriles aplicados, es una metodología adecuada para capacitar a usuarios CFD sin experiencia previa. Gran parte de la validación CFD está enfocada en las dos últimas décadas para evaluar diferentes modelos de turbulencia. Esto requiere de conjuntos de datos experimentales para comparar resultados de CFD de las cantidades predichas con las mediciones experimentales (por ej., velocidad del aire, temperatura, energía cinética turbulenta, etc.). En las secciones siguientes se resumen los estudios más recientes de evaluación de los modelos de turbulencia, así como los casos experimentales básicos para NC, FC y MC que serán modelados como ejercicios de entrenamiento para los nuevos usuarios de CFD. Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 24

2.1 Evaluación de los modelos de turbulencia Existe una gran cantidad de estudios relacionados con la evaluación de los modelos de turbulencia para ambientes cerrados. Muchos se centran en la evaluación de las capacidades de los diferentes modelos de turbulencia (k- ε estándar, k-ε RNG, k-ε realizable, k-ω estándar, SST k-ω, etc.) para predecir los patrones de flujos de aire y las condiciones ambientales interiores para convección natural, forzada y mixta en cavidades cerradas, y en oficinas y atrios reales. La Tabla 1 resume algunos de esos estudios, los que cubren una amplia gama de modelos de turbulencia, desde modelos simples como el método Ecuación-cero de Chen y Xu (1998) hasta modelos más avanzados como los modelos de simulación de torbellino-separado (detached-eddy simulation models) de (Shur et al. 1999). La tabla entrega una evaluación del comportamiento de los diversos modelos de turbulencia para predecir la temperatura y velocidad desde a D de acuerdo con la información entregada por los estudios revisados., B, C y D significa que los errores entre las mediciones y simulaciones es menor al 20%, entre 20 y 30%, entre 30 y 40%, y mayor al 40%, respectivamente. Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 25

Tabla 1. Revisión de la literatura sobre el comportamiento de los modelos de turbulencia Table 1. Literature review on performance of turbulence models Convección Natural/Natural Convection Convección forzada/forced Convection Convección mixta/mixed Convection rtículo/ Paper (Choi and Kim 2012) (Rundle et al. 2011) (Zhang et al. 2007) (Rundle and Lightstone 2007) (Omri and Galanis 2007) (Zitzmann, Cook and Pfrommer 2005) (Choi et al. 2004) (Cao et al. 2011) (Susin et al. 2009) (Zhang et al. 2007) (Posner, Buchanan and Dunn- Rankin 2003) (Voigt 2000) (Rohdin and Moshfegh 2011) (Vera, Fazio and Rao 2010) (Zhang et al. 2007) (Zhang and Chen 2007) (Stamou and Katsiris 2006) (Moureh and Flick 2003) Temperatura Laminar 0- ec/0 -eq LR k-ɛ k-ɛ estándar/ standard k-ɛ Realizable k-ɛ RNG k-ω estándar/ standard k-ω SST k-ω BSL v2f V2fdav RSM LES DES SMC- DH C B C B C C D B B B B D B B B B C B B C C B C B B C B B B C B B C B B B B B B B B B B B B B B B B B B B B EBM * Las letras indican los errores entre las mediciones y las simulaciones: para menos del 20%, B entre 20 y 30%, C entre 30 y 40%, y D sobre el 40%, respectivamente * Letters indicate the errors between measurements and simulations: for less than 20%, B for between 20 and 30%, Cfor between 30 and 40%, and D for over 40%, respectively Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 26

Se observa que muchos autores han evaluado los modelos k-ω estándar y k-ω SST para NC, los que muestran un excelente desempeño para predecir la temperatura y la velocidad. Un par de estudios (Choi & Kim, 2012; Zhang et al., 2007) también han mostrado un excelente desempeño del modelo v2f y su variable v2f-dav para NC. Para FC, los modelos k- ε estándar y k-ε RNG mostraron buenos resultados para la temperatura y un comportamiento levemente inferior para la velocidad. Zhang et al. (2007) demostraron que los modelos v2f-dav y LES (Large Eddy Simulation) también entregan excelentes predicciones de las condiciones de aire interior. El modelo SST k-ω fue evaluado por Cao et al. (2011) y Zhang et al. (2007), sin embargo sus resultados fueron muy diferentes. De hecho, mientras Cao et al. (2011) encontraron que el modelo SST k-ω entrega excelentes resultados, Zhang et al. (2007) señalan que su comportamiento fue pobre. Para MC, los errores de evaluación caen bajo los rangos o B para todos los modelos de turbulencia. Rohdin y Moshfegh (2011) evaluaron diversas variantes de los modelos k- ε (estándar, RNG y Realizable) en grandes salas industriales. unque estos modelos de turbulencia predijeron bien las condiciones del flujo de aire, el RNG mostró los mejores resultados incluso para el transporte de contaminantes en las grandes salas. Zhang et al. (2007) encontraron que los modelos de ecuación-cero, k-ε RNG y v2f-dav predicen adecuadamente las condiciones del flujo de aire en cavidades cerradas con un número Raleigh bajo. Stamous y Katsiris (2006) evaluaron diversos modelos de turbulencia en oficinas, concluyendo que todos los modelos evaluados predecían correctamente la temperatura y la velocidad, sin embargo, el modelo k-ω SST se comportaba mejor cuando se usaba una malla adecuada. 2.2 Estudios experimentales Se necesitan conjuntos de datos completos para realizar estudios experimentales sobre las condiciones del aire interior en cavidades cerradas y poder validar los modelos CFD y evaluar diferentes modelos de viscosidad de torbellino de dos ecuaciones. Este trabajo muestra el procedimiento de validación para casos básicos de convección natural, forzada y mixta de acuerdo con las pautas SHRE (Chen and Srebric 2001). La Figura 1 muestra las cavidades cerradas para cada flujo de convección, las que se describen brevemente a continuación: Convección natural: mpofo y Karayiannis (2003) realizaron una experiencia de convección natural en una cavidad cuadrada donde ocurrían flujos en 2D. El experimento consistía en una cavidad de 0,75 x 0,75 m y 1,5 m de profundidad (Figura 1a) con paredes calientes y frías a 50 C y 10 C, respectivamente; así, el número Ra era 1,58x10 9. La pared superior e inferior estaban bien aisladas. Las propiedades del fluido eran c p = 1006,43 J/kg K, λ= 0,0242 W/m K, µ = 1,7894x10-5 kg/m s y una masa molecular de 28,966 g/mol. Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 27

Convección forzada: La sala isotérmica de Restivo (1979) informada en el IE nexo 20 y descrita en Nielsen (1990) consiste en una sala con flujo de convección forzada en 2D (Figura 1b). El aire ingresa por una ranura, con una velocidad del aire de 0,455 m/s y una temperatura del aire de 20 C. La sala mide 9,0 x 3,0 m, la altura de la entrada de aire es de 0,168 m y la altura de la salida es de 0,48 m. La velocidad cinemática de admisión de aire es de 15,3x10 6 m 2 /s, entonces Re es 5,000 basado en la altura de la entrada y sus condiciones de aire. Según Nielsen (1990), la intensidad de la turbulencia basada en las condiciones de la entrada de aire es de 4%. Convección mixta: Blay et al. (1992) desarrollaron un aparato experimental de 1,04 x 1,04 x 0,7 m con un flujo en 2D (Figura 1c). El aire ingresa por la ranura a una temperatura y velocidad del aire de 15 C y 0,57 m/s, respectivamente. Las salidas están ubicadas a nivel del piso en la pared opuesta. La temperatura de la pared es de 15 C mientras que la temperatura del piso es de 35,5 C. Por lo tanto, el Re basado en las condiciones de entrada es 684. La intensidad de la turbulencia medida en la entrada es de 6%. a) Convección natural (mpofo y Karayiannis 2003) a) Natural convection (mpofo and Karayiannis 2003) c) Covección mixta (Blay, Mergui y Niculae 1992) c) Mixed convection (Blay, Mergui, and Niculae 1992) b) Covección forzada (Restivo 1979) b) Forced convection(restivo 1979) Figura 1. Cavidades experimentales para casos de NC, FC y MC (las dimensiones están en mm) Figure 1. Experimental cavities for NC, FC and MC cases (length dimensions are in mm) Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 28

3. Modelación CFD de casos básicos de convección En esta sección se presenta la evaluación de cinco modelos de viscosidad de torbellino de dos ecuaciones para los casos de convección señalados en la Figura 1. Cada caso constituye una oportunidad para los principiantes en CFD para adquirir las habilidades y la confianza necesarias para el modelado de ambientes cerrados. Se evalúan cinco modelos usando la última versión de FLUENT: k-ε stándar (Launder & Spalding., 1974) k-ε RNG (Yakhot & Orszag, 1986) k-ε Realizable (Shih et al.,1995) k-ω stándar (Wilcox, 1988) SST k-ω (Menter, 1994) En todos los casos de convección, el procedimiento de validación sigue el proceso señalado en la Figura 2, que es una adaptación de los procesos de validación propuestos por Hajdukiewicz et al. (2013). El primer paso consiste en la generación de un modelo CFD inicial y verificar que los resultados son independientes del mallado. Este ensayo consiste en verificar que los resultados simulados no varían significativamente para los diversos tamaños de las mallas. Por lo tanto, se escogió un tamaño de malla que pasara la prueba equilibrando la precisión y el costo computacional. Este modelo inicial requiere de varios datos tales como una geometría que represente los problemas, condiciones de borde, parámetros relacionados con la física de los problemas (por ej., configuración 2D o 3D, estado estacionario o transiente), malla inicial y modelo de turbulencia. Para comenzar la verificación de la independencia del mallado, se fijó una malla gruesa. Luego, se aumentó de manera consecutiva el número de elementos de la malla y se refinó en ciertas zonas (por ej., zonas cercanas a las paredes, entrada). La independencia del tamaño de la malla se logra cuando los resultados son cercanos. Una vez lograda la independencia del mallado, se escoge un tamaño de malla que compense la precisión y el costo computacional. continuación, se realiza el procedimiento de validación que implica que ciertos parámetros del modelo CFD inicial puedan ser modificados (por ej., factores de relajación, mejoramiento de la malla, etc.) para ajustar los requisitos de cada modelo. Como la malla se ensaya para verificar la independencia de los resultados, en esta investigación se modificaron los factores de relajación para cada caso de convección y modelo de turbulencia para permitir la convergencia y obtener resultados de simulación precisos. Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 29

Figura 2. Flujo de los procesos para la validación CFD como ejercicio para que los nuevos usuarios adquieran habilidades en la modelación CFD Figure 2. Process flow for CFD validation as exercise for new users to acquire CFD modeling skills Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 30

3.1 Convección natural (NC) 3.1.1 Modelo CFD inicial El experimento señalado en la Figura 1a fue modelado como 2D basado en lo informado por mpofo y Karayiannis (2003). No fue posible alcanzar la convergencia cuando el problema fue definido como estado estacionario. Este resultado concuerda con estudios similares que habían modelado la misma experiencia (Rundle & Lighstone, 2007). Entonces, el problema se modeló como transiente con un paso temporal de 0,19 s. Cabe señalar que el paso de tiempo no es directo. Pasos de tiempo más pequeños podrían permitir resultados más precisos, pero la convergencia es más difícil de alcanzar. El modelo de turbulencia inicial se fijó como k-ω estándar porque presenta un buen comportamiento de acuerdo con la literatura revisada y señalada en la Tabla 1. La Tabla 2 presenta los principales parámetros establecidos para el modelo CFD inicial. Se establecieron las temperaturas caliente y fría (Th y Tc en la Figura 1a) como condiciones de borde de las paredes laterales, caliente y fría, respectivamente. La paredes, superior e inferior, se establecieron como adiabáticas porque estaban altamente aisladas, por lo que los flujos de calor a través de éstas se asumieron como despreciables. Tabla. Parámetros CFD establecidos para el caso NC Table 2. CFD setup parameters of NC case Generales/General Factor de relajación/under-relaxation Factor Tiempo/Time Transiente/Transient Presión/Pressure 0,3 Gravedad/Gravity y = -9,81 m/s 2 Densidad/Density 1,0 Modelos/Models Fuerzas del cuerpo/body Forces 1,0 Energía/Energy On Momento/Momentum 0,7 Viscoso/Viscous k-ω Energía cinética turbulenta/turbulent Kinetic 0,9 Energy Radiación/Radiation Off Tasa de disipación especifica/specific 0,8 Dissipation Rate Materiales/Materials Viscosidad turbulenta/turbulent Viscosity 0,4 Fluido/Fluid ire/ir Energía/Energy 0,9 Densidad/Density Gas ideal/ideal gas Criterio absoluto de convergencia/convergence bsolute Criteria Métodos de solución/solution Methods Energía/Energy 0,0001 Esquema/Scheme SIMPLE Continuidad/Continuity 0,001 Discretización especial/spatial x-velocidad/x-velocity 0,001 discretization Presión/Pressure Estándar/Standard y-velocidad /y-velocity 0,001 Densidad/Density Segundo orden z-velocidad/ z-velocity 0,001 Upwind/Second Order Upwind Momento/Momentum Segundo orden Energía cinética turbulenta/turbulent Kinetic 0,001 Upwind/Second Order Upwind Energy Energía cinética turbulenta/turbulent Kinetic Energy Primer orden Upwind/First Order Upwind Tasa de disipación específica/specific Dissipation Rate 0,001 Tasa de disipación específica/specific Dissipation Rate Energía/Energy Primer orden Upwind/First Order Upwind Segundo orden Upwind/Second Order Upwind Cálculo de la corrida/ Run Calculation Paso de tiempo/time step 0,19 Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 31

El criterio de convergencia fue 10-3 para todos los parámetros excepto para energía. NSYS (2012) recomienda un criterio de convergencia para energía de 10-6. Sin embargo, no fue posible obtener una convergencia con este criterio, por lo tanto, se aumentó a 10-4 para alcanzar la convergencia. demás, los factores de relajación por defecto debieron ser modificados para alcanzar la convergencia. La suma de los errores residuales logró alcanzar el criterio de convergencia en las 2.023 iteraciones como lo señala la Figura 3. En este número de iteración, los resultados no fueron satisfactorios y se realizaron simulaciones hasta las 4.000 iteraciones. unque el flujo del fluido se desarrolló a las 2.000 iteraciones como lo muestra la Figura 4, la distribución de la temperatura no es correcta hasta después de las 4.000 iteraciones. El aire caliente sube a lo largo de la pared caliente mientras el aire frío cae a lo largo de la pared fría y se produce la estratificación de la temperatura. Figura. Residuales para el caso NC con k-ω estándar Figure 3. Residuals for NC case with k-ω standard Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 32

500 1000 1500 2000 3000 4000 Figura 4. Distribución de la temperatura para el caso de NC a diferentes iteraciones con k-ω estándar Figure 4. distribution for NC case at different iterations with k-ω standard 3.1.2. Verificación de la independencia del mallado En la geometría simplificada de la experiencia de mpofo y Karayiannis (2003), la malla se compone de elementos cuadráticos con una distribución uniforme (malla estructurada) como se aprecia en la Figura 5a. Se refinó la malla cerca de las paredes de manera de transferir adecuadamente las condiciones de borde al dominio del aire. En efecto, se produjeron grandes gradientes de temperatura y velocidad en la zona cercana a las paredes, por lo tanto, una malla más fina permite predecir estas gradientes de manera más precisa. Se observa una malla más gruesa en el centro de la cavidad donde los parámetros del aire muestran una variación muy baja. La verificación de la independencia del mallado se realizó para los tamaños de malla de 79x79, 94x94, 125x125 y 188x188. Las Figuras 6a y 7a muestran la temperatura y la velocidad a media altura de la cavidad cuadrada (Y/H = 0,5). Se observó que todos los tamaños de mallas predecían bien la velocidad y la temperatura en el centro de la cavidad a Y/H = 0,5. La diferencia máxima entre los datos simulados y los experimentales es de 0,23% para la malla de 94x94, lo que es despreciable. Sin embargo, la Figura 6b indica que el modelo CFD con malla de 125x125 predice mejor la caída de la temperatura cerca de la pared caliente. Por otro lado, la Figura 7b muestra que la malla más gruesa predice muy bien la velocidad cerca de las paredes caliente y fría, en cambio las demás mallas la subestiman de manera significativa entre X/L 0,01 y 0,05. En base al desempeño global, se escogió el tamaño de malla de 125x125 para continuar con el proceso de la validación CFD. Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 33

Revista Ingeniería de Construcción RIC a) Mallado de 125x125 para caso NC a) Mesh grid of 125x125 for NC case c) Mallado de 60x60 para caso MC c) Mesh grid of 60x60 for MC case b) Mallado de 40x120 para caso FC b) Mesh grid of 40x120 for FC case Figura 5. Mallado del modelo CFD inicial para los casos NC, FC y MC Figure 5. Mesh grid of initial CFD model for NC, FC and MC cases (a) (b) Figura 6. Verificación de independencia de la malla: a) Temperatura adimensional a lo largo de Y/H =0,5. b) Temperatura adimensional cerca de la pared caliente Figure 6. Grid independency test: a) Dimensionless temperature along Y/H =0.5. b) Dimensionless temperature close to the hot wall Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 34

(a) (b) Figura 7. Verificación de independencia de la malla: a) Velocidad a lo largo de Y/H =0,5. b) Velocidad cerca de la pared caliente en m/s Figure 7. Grid independency test: a) Velocity along Y/H =0.5. b) Velocity close to the hot wall in m/s 3.1.3 Validación del modelo CFD La validación CFD se realiza comparando los resultados de la simulación para los cinco modelos de turbulencia y datos experimentales informados en mpofo y Karayiannis (2003) para temperatura y velocidad de Y/H = 0,5. En general, las Figuras 8a y 9a muestran que todos los modelos de turbulencia evaluados predicen muy bien la distribución de la temperatura y de la velocidad a media altura de la cavidad cuadrada. Los cinco modelos de viscosidad de torbellino de dos ecuaciones son capaces de predecir la enorme variación de la temperatura y de la velocidad cerca de las paredes fría y caliente así como la temperatura y velocidad constante en la sección media de la cavidad. pesar del buen comportamiento general de todos los modelos k-ε y k-ω evaluados, su desempeño varía significativamente en la zona cercana a las paredes. La Figura 8b indica que el modelo k-ω estándar predice mejor la variación de la temperatura cerca de la pared caliente, en cambio el modelo k-ω SST presenta la mayor variación con respecto a los resultados experimentales. Por otra parte, la Figura 9b muestra que ambas variaciones del modelo k-ω (estándar y SST) no predicen la variación de la velocidad cerca de las paredes calientes tan bien como los modelos k-ε. Los modelos k-ω SST sobrestiman la velocidad máxima y subestiman la caída de a velocidad en el borde de la capa límite. Los resultados simulados con k-ω SST muestran diferencias de hasta 13,4% con los datos experimentales; la que es la mayor diferencia entre los modelos de viscosidad de torbellino de dos ecuaciones evaluados. Rundle y Lighstone (2007) y Zitzmann et al. (2005) también encontraron limitaciones similares de k-ω SST para predecir la velocidad en la capa de borde. Por otra parte, los modelos k-ε RNG y Realizable muestran un comportamiento excelente al predecir la velocidad del aire cerca de las paredes fría y caliente. Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 35

Estos resultados demuestran que la convergencia fue difícil de alcanzar incluso para este caso básico de NC. El problema debió ser modelado como transiente, los factores de relajación y criterio de convergencia para la energía fueron modificados para lograr la convergencia y resultados confiables. La modificación de estos factores no es intuitiva y requiere de un conocimiento especializado. demás, se encontró que los resultados simulados en la región cercana a las paredes variaban significativamente entre los modelos de turbulencia. Las predicciones precisas de lo que pasa en esa región son muy importantes porque la transferencia de masa y de calor entre las paredes y el aire ocurre en esa zona. Esto podría tener una enorme influencia al predecir las condiciones del aire de la sala (temperatura, velocidad, contenido de humedad, concentración de contaminantes). Este hecho enfatiza la necesidad de que los principiantes en la modelación CFD estén conscientes de la selección del modelo de turbulencia correcto para las condiciones del ambiente interior. Los nuevos usuarios CFD deben adquirir experiencia en la modelación CFD, de lo contrario, el modelo CFD y los resultados podrían no ser confiables. (a) (b) Figura 8. Desempeño de los modelos de viscosidad de torbellino de dos ecuaciones para NC: a) Temperatura adimensional a lo largo de Y/H =0,5. b) Temperatura adimensional cerca de la pared caliente Figure 8. Performance of two-eddy viscosity models for NC: a) Dimensionless temperature along Y/H =0,5. b) Dimensionless temperature close to the hot wall Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 36

(a) (b) Figura 9. Desempeño de los modelos de viscosidad de torbellino de dos ecuaciones para NC: a) Velocidad a lo largo de Y/H =0,5. b) Velocidad cerca de la pared caliente en m/s Figure 9. Performance of two-eddy viscosity models for NC: a) Velocity along Y/H =0,5. b) Velocity close to the hot wall 3.2 Convección forzada (FC) Debido a que se realizó un proceso similar al caso de NC para crear el modelo CFD inicial y la verificación de la independencia del mallado para el caso FC, esta sección se enfocó en el procedimiento de validación mediante la evaluación de los modelos de turbulencia. La Tabla 3 muestra los principales parámetros CFD establecidos para el modelo k-ε RNG. Se modeló el experimento de Restivo (1979) como 2D y estado estacionario. Como este modelo es isotérmico, el inyector de aire es el factor principal que influye en el patrón de flujo de aire. La Figura 5b muestra una malla estructurada de 40x120 elementos cuadráticos. Se refinó la malla cercana a las paredes y a la entrada de aire para transferir de manera adecuada el flujo de masa y calor desde los bordes hacia el dominio de aire. Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 37

Densidad/Density Revista Ingeniería de Construcción RIC Tabla 3. Parámetros CFD para caso FC Table 3. CFD setup parameters of FC case General Factor de relajación/under-relaxation Factor Tiempo/time Estado estacionario/steadystate Presión/Pressure 0,3 Gravedad/Gravity 2 y = -9,81 m/s 1,0 Modelos/Models Fuerzas del cuerpo/body Forces 1,0 Energía/Energy On Momento/Momentum 0,7 Viscoso/Viscous k-ɛ RNG Energía cinética turbulenta/turbulent 0,9 Kinetic Energy Radiación /Radiation Off Tasa de disipación específica/specific 0,8 Dissipation Rate Materiales/Materials Viscosidad turbulenta/turbulent Viscosity 0,4 Fluido/Fluid ire/ir Energía/Energy 0,9 Densidad/Density Gas ideal/ideal gas Criterio absoluto de convergencia/convergence bsolute Criteria Métodos de solución/solution Methods Energía/Energy 0,000001 Esquema/Scheme SIMPLE Continuidad/Continuity 0,001 Discretización especial/spatial x-velocidad/x-velocity 0,001 discretization Presión/Pressure Estándar/Standard y-velocidad/y-velocity 0,001 Densidad/Density z-velocidad/z-velocity 0,001 Momento/Momemtum Segundo orden Energía cinética turbulenta/turbulent 0,001 Upwind/Second Order Kinetic Energy Upwind Energía cinética Primer orden Upwind/First Tasa de disipación específica/specific 0,001 turbulenta/tubulent Kinetic Energy Order Upwind Dissipation Rate Tasa de disipación Primer orden Upwind/First específica/specific Dissipation Rate Order Upwind Energía/Energy Primer orden Upwind/First Order Upwind En este modelo CFD se usaron los mismos factores de relajación usados para el caso NC. pesar de que el criterio de convergencia para energía fue más estricto que para el caso NC, la convergencia se logró en menos tiempo (650 iteraciones). La Figura 10 muestra la comparación del patrón de flujo de aire para el modelo CFD inicial. Se observó un flujo de aire en el sentido de las agujas del reloj con un fuerte chorro bajo el cielo debido a la entrada de aire. Este resultado concuerda con otros estudios de simulación CFD (Olmedo and Nielsen 2010). Figura 10. Patrón de flujo de aire para el modelo CFD inicial para FC Figure 10. irflow pattern for initial CFD model for FC Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 38

Se realizó la evaluación de los cinco modelos de turbulencia para velocidad en el plano vertical con X = 2 m. En la Figura 11 se aprecian los resultados de cada modelo de turbulencia y los datos experimentales informados por Nielsen (1990). Se puede observar que todos los modelos de turbulencia predicen el patrón de flujo de aire general, un chorro cerca de la pared superior de la cavidad experimental, y un flujo inverso cerca de la pared inferior. En general, las velocidades estimadas por todos los modelos k-ε y k-ω evaluados concuerdan con las velocidades a lo largo de la altura de la cavidad con X = 2 m. Sin embargo, se observaron diferencias significativas en las velocidades estimadas por los modelos de turbulencia cerca de las paredes superior e inferior. En esa zona, los modelos k-ε estándar y RNG predicen muy bien el flujo inverso cercano al piso y el chorro cercano al cielo, mostrando el mejor desempeño con diferencias menores al 7% (o 0,009 m/s) con los datos experimentales. Por otra parte, el modelo k-ɛ Realizable muestra las mayores diferencias, 21,3% o 0,05 m/s. Figura 11. Comportamiento de los modelos de viscosidad de torbellino de dos ecuaciones para predecir la temperatura a lo largo de X = 2m para casos de FC. Figure 12. Performance of two-eddy viscosity models to predict temperatura along X=2m for FC case De manera similar a los casos de NC, se encontró una variación significativa de la velocidad del aire simulada cercana al piso entre los modelos de turbulencia evaluados, y el modelo k-ε RNG predice adecuadamente todo el dominio del aire. En contraste con los casos NC, el modelo k-ɛ Realizable mostró un desempeño pobre al predecir la velocidad del aire. Este resultado deja en evidencia que el desempeño de los modelos de turbulencia podría depender fuertemente de la cantidad estimada y del tipo de convección. Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 39

Densidad/Density Revista Ingeniería de Construcción RIC 3.3 Convección mixta (MC) Se modeló el experimento de convección mixta de Blay et al. (1992) mediante la técnica de CFD. Experiencia que ha sido ampliamente usada para validar los nuevos modelos CFD. El flujo de aire es influenciado por fuerzas de inercia debido al suministro de aire y las fuerzas de flotabilidad térmica debido a las diferencias de temperatura en las paredes. La Figura 5c muestra la malla de 60x60 elementos usada para modelar esta experiencia. La Tabla 4 resume los principales parámetros establecidos para la modelación CFD con el modelo k-ε Realizable. La convergencia se alcanzó a las 350 iteraciones. Sin embargo, se usaron diferentes factores de relajación que permitieran obtener resultados precisos. Tabla 4. Parámetros CFD establecidos de casos MC Table 4. CFD setup parameters of MC case General Factor de relajación/under-relaxation Factor Tiempo/time Estado estacionario/steadystate Presión/Pressure 0,3 Gravedad/Gravity 2 y = -9,81 m/s 1,0 Modelos/Models Fuerzas del cuerpo/body Forces 1,0 Energía/Energy On Momento/Momentum 0,6 Viscoso/Viscous k-ɛ RNG Energía cinética turbulenta/turbulent 0,8 Kinetic Energy Radiación /Radiation Off Tasa de disipación específica/specific 0,8 Dissipation Rate Materiales/Materials Viscosidad turbulenta/turbulent Viscosity 0,4 Fluido/Fluid ire/ir Energía/Energy 1,0 Densidad/Density Gas ideal/ideal gas Criterio absoluto de convergencia/convergence bsolute Criteria Métodos de solución/solution Methods Energía/Energy 0,000001 Esquema/Scheme SIMPLE Continuidad/Continuity 0,001 Discretización especial/spatial x-velocidad/x-velocity 0,001 discretization Presión/Pressure Estándar/Standard y-velocidad/y-velocity 0,001 Densidad/Density z-velocidad/z-velocity 0,001 Momento/Momemtum Segundo orden Energía cinética turbulenta/turbulent 0,001 Upwind/Second Order Kinetic Energy Upwind Energía cinética Primer orden Upwind/First Tasa de disipación específica/specific 0,001 turbulenta/tubulent Kinetic Energy Order Upwind Dissipation Rate Tasa de disipación Primer orden Upwind/First específica/specific Dissipation Rate Order Upwind Energía/Energy Primer orden Upwind/First Order Upwind La Figura 12 muestra el patrón de flujo obtenido con diferentes modelos de turbulencia y aquellos observados experimentalmente por Blay et al. (1992). Se observó que todos los modelos de turbulencia evaluados predicen bien el patrón de flujo de aire en el sentido del reloj. Sin embargo, los modelos k-ε Realizable y ambos k-ω predicen una gran turbulencia en la esquina superior derecha de la cavidad que no es bien estimada por los modelos k-ε estándar y RNG. Por falta de una mayor cantidad de datos detallados de tipo experimental que muestre esta torbellino, no es posible obtener conclusiones sobre la precisión de los modelos de turbulencia para predecir esta característica especial del flujo de aire. Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 40

Revista Ingeniería de Construcción RIC Figura 12. Comparación de los patrones de flujo de aire para diferentes modelos y experimentos sobre turbulencia Figure 12. Comparison of airflow pattern for different turbulence models and experiment Esta sección trata sobre el proceso de validación y evaluación de los modelos de turbulencia. En este caso, la validación se basa en las mediciones de velocidad y temperatura realizadas a media altura (Y = 0,52 m) y en la mitad del ancho (X = 0,52) de la cavidad como señala la Figura 1c. Las Figuras 13 y 14 muestran la temperatura y la velocidad a X = 0,52 e Y = 0,52, respectivamente. En las Figuras 13a y 14a se observa que los modelos k-ω subestimaban significativamente la temperatura en 1 C a media altura y en mitad del ancho de la cavidad. Por otra parte, los resultados de simulación de la temperatura para los modelos k-ε concuerdan bien con los datos experimentales. Entre los modelos k-ε, la variante Realizable muestra un mejor desempeño porque predice de manera precisa la distribución de la temperatura cercana a la capa límite y a lo largo del centro de la cavidad. Las mayores diferencias entre los datos experimentales y simulados para k-ε Realizable son 0,97% y 1,3% con Y = 0,52 m y X = 0,52 m, respectivamente. Los perfiles de velocidad en X = 0,52 m e Y = 0,52 m se indican en las Figuras 13b y 14b. Se observa que todos los modelos de turbulencia predicen el patrón general del flujo de aire, pero ocurren grandes discrepancias cerca de las paredes. Las versiones estándar de los modelos k-ε y k-ω predicen mejor las velocidades del aire en las regiones alejadas de las paredes. demás, ambos modelos de turbulencia predicen bien las velocidades del aire cerca de la pared superior a X = 0,52 y cerca de la pared derecha a Y = 0,52 m. Sin embargo, estos modelos subestiman significativamente el flujo inverso cerca de la parte inferior de la pared en X = 0,52 m y la velocidad vertical cerca de la pared izquierda en Y = 0,52 donde las diferencias máximas son cercanas a 0,1 m/s. En esas zonas donde ocurren las grandes gradientes de velocidad, el modelo k-ε RNG se desempeña mejor. Revista Ingeniería de Construcción Vol 29 Nº1 bril de 2014 www.ricuc.cl 41